Everything you ever wanted to know about MTTF

JJE – Bases de la Fiabilité – Feb. 2001
1 / 3
Pour ceux qui veulent aller plus loin
De fait, toutes les affirmations précédentes découlent directement du calcul des probabilités, complété de
quelques définitions formelles et d’hypothèses simplificatrices, comme celle du taux de pannes constant
(CFR en anglais). Des modèles plus sophistiqués que le CFR existent, mais sont d’utilisation plus complexe.
Le modèle CFR : Ne lire cette colonne que si vous voulez les bases…
Partant d’une population suffisamment grande de
systèmes identiques, dont le nombre diminue
progressivement avec le temps au rythme des
défaillances, le modèle CFR suppose que :
le nombre de pannes qui se produisent pendant un
intervalle de temps donné est proportionnel à la
durée de cet intervalle et au nombre de systèmes
toujours en vie à ce moment.
Mathématiquement, si N(t) est le nombre de systèmes
opérationnels à l’instant t, la variation de ce nombre
pendant l’intervalle dt est: dN(t) = - N(t)dt, où le signe
moins signifie que l’on perd des systèmes (on n’en crée
pas !) et est le taux de pannes, supposé constant dans
le modèle CFR..
Il en découle que, N0 étant le nombre initial de systèmes à
t=0, le nombre de survivants est une fonction
exponentielle décroissante: N(t) = N0 exp(- t)
fonction Fiabilité (survie):
Si l’on s’intéresse à un seul système, la
probabilité que ce système soit toujours
opérationnel à un instant donné est égale au
nombre espéré de survivants divisé par le nombre
initial de systèmes.
Avec le temps, la probabilité de survie du
système décroît exponentiellement de 1 à 0.
Tracer la courbe de fiabilité de votre système
La probabilité qu’un système donné soit toujours
opérationnel à l’instant t est sa fonction fiabilité (F
comme « fonctionnel ») : F(t) = N(t)/N0 = exp(- t)
fonction de Répartition des Pannes:
La probabilité qu’un système soit tombé en panne
avant l’instant t est le complément à 1 de la
fonction fiabilité.
Le nombre cumulé de systèmes tombés en panne
avant l’instant t s’obtient simplement en
multipliant la valeur de la fonction répartition à
cet instant par le nombre initial de systèmes.
La fonction de répartition des pannes croît de 0 à
1 au rythme de la disparition des systèmes.
Tracer la courbe de répartition des pannes
La probabilité qu’un système soit tombé en panne avant
l’instant t est:
D(t) =1-F(t) = 1-exp(- t) (D comme « défaillant »).
En termes de probabilité, si T désigne la variable
aléatoire « instant de la panne », alors :
Prob[t<T] = F(t) Prob[T t] = D(t)
Bien noter que N0 D(t) n’est pas le nombre de systèmes
qui tombent en panne à l’instant t, mais le nombre
cumulé de tous ceux qui sont tombés en pannes avant
l’instant t.
Fonction Densité de pannes:
C’est la probabilité d’avoir une panne par unité de
temps à l’instant considéré.
Elle est maximale en début de vie, et décroît
progressivement dans le temps. Le risque de
panne est maximal pour les systèmes jeunes. Les
plus vieux ont davantage de chances de vivre plus
longtemps (comparer à l’espérance de vie à un âge
donné en démographie…).
La fonction densité de pannes est définie par:
Prob[t<T t+dt]= d(t) dt
Mathématiquement, d((t) est la dérivée de la fonction de
répartition D(t); soit., d(t) = dD(t)/dt = exp(- t)
Le taux de pannes est la valeur prise à l’instant t par
la probabilité conditionnelle pour qu’un système bon
jusque là tombe en panne dans l’intervalle suivant dt :
Prob[t<T t+dt / t<T] =d(t)/D(t) =
100%
temps
Probabilité de survie
1/(= MTTF, voir plus bas)

JJE – Bases de la Fiabilité – Feb. 2001
2 / 3
Temps Moyen Avant Panne (MTTF):
C’est tout simplement l’espérance de vie d’un
système neuf.
La probabilité qu’un système survive jusqu’à son
MTTF n’est que de 37% (1/e); la probabilité qu’il
soit tombé en panne avant est de 63%.
En moyenne, seulement environ 1/3 des systèmes
atteignent leur MTTF … environ 2/3 meurent
avant !
Le MTTF est simplement la valeur moyenne de la
variable aléatoire T:
MTTF =
0
t d(t) dt =
0
F(t) dt = 1/
L’intérêt du modèle CFR est que le MTTF n’est autre que
l’inverse du taux de pannes ! C’est aussi l’instant auquel
la tangente à l’origine de la courbe de fiabilité coupe
l’axe des abscisses (voir graphe plus haut…)
A propos, la variance est :
2 = 1 / 2… simplement !
Système à N composants:
Si les modes de panne des composants sont
indépendants, alors le taux de panne global du
système est la somme des taux de pannes des
composants.
Si tous les systèmes sont identiques, alors le
MTTF du système est N fois plus petit que celui
du composant individuel.
Le système est considéré en panne dès qu’un seul de ses
composants l’est. Par conséquent, la fiabilité du système
est le produit des fiabilités des composants:
FS= F1F2…FN = exp(-
1t) exp(- 2t)…exp(- Nt)
Ou encore: FS(t) = exp[-(
1+ 2…+ N)t]
Si les N taux de pannes sont identiques, alors
S = N
,
et MTTFS = 1 / N = MTTF / N
Attention: ceci n’est vrai que pour le modèle CFR.
Nombre de pannes au temps t:
Le nombre cumulé de pannes survenues avant
l’instant t est lui-même une variable aléatoire.
Sa valeur moyenne est simplement le produit du
nombre initial de composants par la valeur de la
fonction de fiabilité de ce composant à l’instant t.
Sa distribution, c’est-à-dire l’ensemble des
probabilités de tous les nombres possibles de
pannes, est régie par la loi binomiale (Bernoulli) .
Plus le nombre de composants est élevé, plus la
dispersion est grande. Elle est maximale au 2/3
du MTTF.
Estimer la probabilité d’une situation
Les pannes enregistrées avant l’instant t résultent de la
répétition des épreuves d’un événement de probabilité
D(t). Par suite, la probabilité d’avoir exactement k
composants tombés en panne avant t est obtenue par la
loi binomiale (BL):
Prob(k cpt HS et N-k cpts OK) = CN0k D(t)k F(t)N0-k
Où: CN0k = N0! / (N0-k)! k! est le nombre de
combinaisons de k objets pris parmi N0.
La moyenne de la loi binomiale est N D(t) = N exp(- t),
et sa variance
2=ND(t)F(t)=N exp(-
t)[1-exp(- t)]. Elle
est nulle pour t=0 (tous les composants marchent) et
pour t très grand (aucun survivant), mais est maximale
pour t=Ln2/ = 0,67 MTTF
Système réparable :
En cas de panne le système est immédiatement
réparé et son exploitation reprend.
C’est le cas d’une barre d’écriture qui est en
panne dès que défaille l’un quelconque des
modules qui la composent.
Le module n’est pas réparable, mais la barre l’est !
L’imprimante décrit ainsi des cycles successifs
d’exploitation et d’arrêt pour réparation, passant
continuellement d’un état fonctionnel F à un état
défaillant D et vice versa. Les transitions de
l’état F vers l’état D interviennent au taux 
(c’est ici le taux de pannes de la barre, pas du
module !), et celles de D vers F au taux , appelé
taux de réparation.
De même que  définit le MTTF,  définit le
MTTR (temps moyen de réparation).
L’analyse complète d’un système réparable repose sur la
théorie des chaînes de Markow à paramètre continu.
Dans le cas le plus simple de seulement 2 états (F et D),
si pF et pD sont respectivement les probabilités de se
trouver dans les états F et D :
dpF/dt = - pF + pD
dpD/dt =
pF - pD
La résolution de ce système différentiel conduit aux
probabilités conditionnelles et temps moyens ci-dessous:
-Fiabilité: Prob[Ft /F0] = F(t) = exp(- t)
- Temps moyen avant panne: MTTF = 1/
- Maintenabilité: Prob[Ft /D0] = M(t) = 1-exp(- t)
- Temps moyen de réparation: MTTR = 1/
F
D

JJE – Bases de la Fiabilité – Feb. 2001
3 / 3
Les temps passés par le système respectivement
dans ses états de fonctionnement et de
défaillance sont eux-mêmes des variables
aléatoires. Sur une très longue période, leurs
moyennes respectives, MUT (mean up time en
anglais) et MDT (mean down time) ne sont autres
que le MTTF et le MTTR (ceci dans le cas d’un
seul mode de panne, sinon c’est plus compliqué…).
La somme du MTTF et du MTTR donne alors le
MTBF (mean time between failures)
En général, le MTBF est donc différent du MTTF.
Mais dans le cas d’une barre d’écriture,  est
normalement grand devant  et par suite il est
acceptable de confondre les deux.
- Part du temps passé en F et D en régime stationnaire:
Etat F (fonctionnel) Etat D (défaillant)
/( + ) /( + )
- Mean-up-time: MUT = 1/ = MTTF
- Mean-down-time: MDT = 1/ = MTTR
- Mean-time-between-failures: MTBF = 1/ +1/
- Disponibilité: A =MTTF/(MTTF+MTTR) = /( + )
Estimation pratique du MTTF :
Ce qui précède est à la base de l’estimation du
MTTF du module tête à partir de l’observation du
nombre de pannes d’une barre de 18 modules sur
un temps suffisamment long.
1) Noter le nombre total cumulé Himp des heures
d’impression effectuées pendant la période
d’observation.
2) Noter le nombre total cumulé Mrep des
modules têtes remplacés pendant la période
d’observation.
3) Himp / Mrep est à ce stade l’estimation la plus
probable du MTBF de la barre
4) 18 x Himp / Mrep est à ce stade l’estimation la
plus probable du MTTF du module tête
Les estimateurs ci-dessus sont bien entendu très
peu sûrs pour des temps d’observation courts
(plus précisément un nombre de pannes peu
élevé). Ils deviennent de plus en plus fiables à
mesure que la période d’observation, donc le
nombre de pannes, s’allonge.
Il est vivement recommandé d’associer à ces
estimateurs une fourchette de valeurs
correspondant au taux de confiance souhaité.
Calculer un MTTF et son intervalle de confiance
Retour au MTTF mais c’est très simple
Si l’on observe un nombre de pannes Npanne sur une
période d’observation Tobs, alors le MTBF du système est
la limite :
MTBFS = lim (Tobs / Fpanne) si t
Connaissant leMTTR du composant, on en tire le MTTF
du système: MTTFS = MTBFS – MTTR (si le MTTR est
suffisament faible cette correction peut être négligée et
MTTFS = MTBFS)
Finalement, si le système est composé de N composants
identiques, le MTTF du composant est:
MTTF = MTTFS x N
En réalité, comme le temps d’observation est forcément
fini, nous n’obtenons qu’un estimateur MTTFest de la
moyenne de la variable aléatoire TBF (time-between-
failures). Il est possible de lui associer un intervalle de
confiance (de taux de confiance fixé a priori CL).
Habituellement, on estime qu’une statistique du chi-2
peut être utilisée, d’où les bornes de la fourchette:
Borne inf. = 2N Tobs /
2[(1+CL)/2,2Nfail+2]
Borne sup. = 2N Tobs /
2 [(1-CL)/2,2Nfail]
Où
2 (p,d) est la valeur de la variable donnant une
probabilité p pour une distribution du chi-2 à d degrés
de liberté.
La formulation est légèrement différente pour un test
tronqué, c’est-à-dire si l’observation est arrêtée à la
dernière panne rencontrée.
(F)
(F)
(F)
(F)
(D)
(D)
(D)
TBFi-1
TBFi
TBFi+1
TBFi+2
temps